YZ hesap verebilirliği teliften işe alıma ve platformlara uzanıyor
Anthropic'in 1,5 milyar dolarlık telif uzlaşmasının nihai onayı, YouTube'un para kazanamayacak üç 'özgün olmayan içerik' kategorisini açıklaması ve bir araştırmada dil modellerinin adayları etnik kökene göre insanlardan daha yüksek oranda ayırması; hukuki, platform ve işe alım risklerini aynı gündemde topluyor.
Yapay Zekâ··Sabah
Telif tartışmasında büyük uzlaşma, sınırlı emsal
Kaliforniya'daki federal mahkemenin nihai onay verdiği Anthropic uzlaşması, yaklaşık 500.000 eser için toplam 1,5 milyar dolar ve eser başına 3.000 dolar ödeme öngörüyor. Dava, modellerin eğitiminde Library Genesis ve Pirate Library Mirror gibi korsan kaynaklardan indirilen kitapların kullanılmasına dayanıyordu. Uzlaşmanın büyüklüğü, eğitim verisinin nasıl edinildiğinin mali sonuç doğurabileceğini somutlaştırıyor; ancak bir uzlaşma, bütün YZ eğitimi uygulamaları hakkında genel bir mahkeme hükmü anlamına gelmiyor.[1]
Hakim William Alsup'ın daha önce telifli metinlerle model eğitiminin adil kullanım sayılabileceğine ilişkin kararı yalnızca bu davayı bağlıyor. Google, Meta, Midjourney ve OpenAI'ye karşı benzer davalar sürüyor; bu nedenle eğitim verisi konusunda bağlayıcı ve sektör çapında bir emsal henüz oluşmuş değil. Mevcut tablo, içerik sahipleri ile model geliştiricileri arasındaki sınırların tek bir kararla değil, farklı davaların veri kaynağı ve kullanım biçimine göre ayrı ayrı şekilleneceğini düşündürüyor.[1]
Platform kuralları üretim biçimine bakıyor
YouTube'un 16 Temmuz'da yürürlüğe giren açıklaması, YZ kullanımını tek başına yasaklamak yerine para kazanamayacak özgün olmayan içerik biçimlerini tanımlıyor. Bunlar şablona dayalı tekrarcı üretim, izleyiciyi manipüle etmeyi amaçlayan rahatsız edici içerik ve sağlık, finans veya hukuk gibi hassas konuları YZ personalarıyla ele alan içerik. Böylece platformun çizgisi, aracın varlığından çok üretimin tekrarcı, manipülatif veya hassas alanlarda yanıltıcı olup olmadığına bağlanıyor.[2]
YouTube, güncellemenin reklam gelirini ve platform kalitesini korumayı amaçladığını söylüyor. Bu gerekçe, hesap verebilirliğin yalnızca mahkemelerden gelmediğini gösteriyor: dağıtım platformları da erişim ve para kazanma koşulları üzerinden davranış standardı koyabiliyor. Ancak açıklama, belirli bir içeriğin otomatik olarak hangi kategoriye gireceğini tek başına çözmüyor; uygulamanın etkisi, platformun bu tanımları somut vakalarda nasıl değerlendireceğine bağlı olacak.[2]
İşe alım deneyi sonuç değil, risk sinyali
Princeton ve Chicago Üniversitesi araştırmacılarının simüle edilmiş işe alım oyununda insan katılımcılar ayrışma ölçeğinde 0,84 puan alırken, test edilen dil modelleri ortalamada yaklaşık yüzde 65 daha yüksek puan aldı; o3 modeli 1,83 ile olası azami değere yaklaştı. Daha güçlü akıl yürütme modellerinin önceki modellere göre daha yüksek önyargı göstermesi, genel yetenek artışının sosyal karar bağlamında kendiliğinden adalet sağlamadığını gösteren deneysel bir uyarıdır.[3]
Aynı deney, riskin değişmez olmadığını da gösterdi: çeşitliliği teşvik eden hedefler verildiğinde ve adayın kişisel bilgisi işle doğrudan bağlantılı olduğunda etnik ayrışma azaldı. Üç haber birlikte, hesap verebilirliğin farklı aşamalarını tarif ediyor: veri ediniminin hukuk önünde sorgulanması, üretilen içeriğin platform kurallarıyla sınanması ve karar sistemlerinin kontrollü deneylerle denetlenmesi. Bu kaynaklar belirli bir genel çözümü kanıtlamıyor; fakat geliştirici, dağıtıcı ve kullanıcı arasında sorumluluğun tek noktada toplanamayacağını açıkça gösteriyor.[1], [2], [3]
